Auto-apprendimento e elaborazione di strategie.
I ricercatori di DeepMind guidati da Max Jaderberg hanno effettuato alcuni esperimenti relativi alla capacità di apprendimento in ambito di intelligenza artificiale. I risultati sono stati per certi versi sorprendenti.
Finora ci si era cimentati contro le macchine solamente nei giochi a due, come ad esempio gli scacchi. Si partiva da un bagaglio di nozioni di base che venivano inserite nell’elaboratore.
Questi esperimenti sono di natura completamente diversa. I robot sono stati messi di fronte ad un gioco multiplayer, e precisamente Quake III Arena. È stata scelta la modalità “Capture the flag” nella quale il giocatore deve seguire diverse strategie per conquistare in uno scenario 3D il maggior numero di bandiere rispetto ai concorrenti.
L’articolo apparso su “Science” ha giustamente rilevato le potenzialità del reinforcement learning (RL), ovvero l’apprendimento per rinforzo.
Si tratta di una tecnica usata per far imparare ai cosiddetti “agenti intelligenti” come comportarsi in ambienti nei quali viene poi inserita una complessità crescente. Un’auto-apprendimento sulla base delle esperienze maturate, le quali vengono registrate e sfruttate per a loro volta potenziarsi.
Nel caso di Quake III Arena, gli agenti intelligenti hanno seguito le loro tattiche tenendo sotto controllo i comportamenti e le strategie adottate dagli altri concorrenti. Al gioco hanno partecipato sia macchine che esseri umani. nel corso del gioco gli avatar interpretati dagli agenti intelligenti si sono mossi, hanno saltato, sparato e hanno girato su se stessi.
Interessante notare che una volta apprese le strategie da adottare, gli agenti intelligenti sono stati in grado di battere i concorrenti umani anche quando i tempi di reazione dei primi sono stati abbassati al nostro livello.
Ma non solo, i ricercatori hanno scoperto un risvolto molto interessante. Le macchine hanno anche imparato a cooperare con gruppi di giocatori formati da agenti intelligenti e umani. Questo apre molte prospettive in ogni campo. Si potranno quindi prendere in considerazione in futuro squadre formate da robot e uomini, ognuno con le proprie capacità a disposizione del gruppo.